python图像识别
收录了 python图像识别 频道下的 50 篇内容
Agora 新增支持 Python：视频通话中也可做图像识别了
近两年来，Python在众多编程语言中的热度一直稳居前五，热门程度可见一斑。编程、网络编程，开发多媒体应用，进行数据分析，或实现图像识别等应用。
在实时音视频领域，如何基于 TensorFlow 实现图像识别
将机器学习与RTC结合在一起，窥见未来实时音视频的崭新形态
招商银行信用卡卡号识别项目（第一篇），Python OpenCV 图像处理取经之旅第 53 篇
Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 53 篇。
亚马逊 Rekognition Service 增加新特性
亚马逊在最近的一篇博文中宣布了Rekognition Service新增的三项新特性。这些新特性可用于识别图像中的文本、最多可从一张图片中识别出一百张人脸，以及基于上千万张人脸进行实时脸部识别。
Facebook 开源用于目标检测的深度学习库 Detectron
本文介绍了两种用于目标检测的深度学习库，并对目前主流的目标检测算法进行了分析。
Serverless 实战：用 20 行 Python 代码轻松搞定图像分类和预测
图像分类是人工智能领域的一个热门话题，通俗来讲，就是根据各自在图像信息中反映的不同特征，把不同类别的目标区分开。图像分类利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，代替人的视觉判读。
Java 机器学习工具箱：Amazon Deep Java Library
在本文中，我们将演示Java开发人员如何使用JSR-381 VisRec API在不到10行代码内利用DJL的预训练模型实现图像分类或对象检测。
神经网络上无需训练的深度图像先验
牛津和Skolkovo科技研究所的研究人员发明了一种生成式神经网络，无需训练就可以成功渲染“深度图像先验（deep-image priors）”。
并行图像分类：在 Azure HDInsight Spark 上使用 Cognitive Toolkit 与 TensorFlow
本文将展示如何在微软Cognitive Toolkit（简称CNTK）与谷歌TensorFlow两大常见深度学习框架当中构建DNN，并利用其配合PySpark在Azure Data Lake Store之上对大规模图像集合进行评分。我们将这种方法应用于常规DNN用例——即航拍图像分类，并展示此种方法如何识别城市发展当中的各类最新模式。深层神经网络（简称DNN）是一类高度通用且日益普及的机器学习模型; 与传统方法相比，深层神经网络往往需要更多时间与更为强大的计算资源作为支撑。通过在微软HDInsight集群之上部署此类模型，数据科学家与工程师们能够轻松扩展可用计算资源，以便继续使用原本熟知的脚本语言与深度学习框架实现其运行所需的吞吐能力。
手把手教你在小数据集下使用 Keras 进行图像分类
这是一篇实战类的文章，旨在向读者介绍计算机视觉的外围应用：图像分类问题。现在我们翻译了 Rising Odegua 这篇基于 keras 进行图像分类的文章。在本文，作者介绍了如何在数据集较小的情况下，如何使用 keras 进行图像分类。
BigDL 教程：使用 Stable Diffusion 从文本生成你自己的图像
本文介绍了如何使用 Stable Diffusion 模型从文本生成图像。
Python 还是 Node.js？你会选择哪种编程语言？
编程语言和框架旨在实现特定的项目目标，这是你选择的主要标准，不要只看受欢迎程度。
不同的 AI 视频推理场景下，如何构建通用高效的抽帧工具？
AI算法在视频娱乐行业得到了广泛应用，在处理视频数据过程中最大瓶颈之一是视频抽帧延时，抽帧延时往往占据了整体服务的大部分时间。此外，不同的AI算法应用于不同业务时，对视频抽帧需求也不同。
60 分钟搞定，基于 ResNet 和 Azure GPU 加速的肺癌 CT 图像识别
本文介绍了微软的一个比赛队伍参加2017年Kaggle肺癌CT图像检测比赛时，如何借用现成的152层ResNet网络，对接到分布式计算的神经网络上，在60分钟内完成训练的实施细节和代码。对卷积神经网络、LightBGM、ResNet等基本概念也进行了讲解，希望对刚接触AI的朋友有所帮助。
深度学习入门（六）：手写数字识别
本文节选自图灵程序设计丛书 《深度学习入门》一书中的部分章节。
好大夫在线在 AI 落地场景上的探索：医学报告单结构化
全面解读好大夫在线的AI落地场景探索。
半监督学习加速 AI 产业数据标注流程
本次分享介绍通过人工智能和人工标注更有效的“互动”，半监督学习可以加速数据标注的流程。
数据科学家一定要收藏的十个最佳 Python 库
不管你是新手，还是对数据科学有一定研究的资深技术人，学习这些库能让你更有效率。
TensorFlow、DMTK 与 SystemML 孰优孰劣
毫无疑问，机器学习是目前数据分析领域最为炙手可热的主题之一，其研究成果早已渗透到了日常生活中，从垃圾邮件过滤到人脸支付，从信用欺诈检测到自然灾害预测等场景无一不活跃着机器学习的身影。但即便机器学习已经得到了广泛的应用，开发人员能够从网上找到很多机器学习算法实现，但是这些代码往往“脏”而“乱”，没有经过大规模的生产验证。幸运的是现在这种窘境已经不复存在了，因为Google、Microsoft和IBM分别发布并开源了自己的机器学习工具包TensorFlow、DMTK和SystemML，每一个项目都是各自公司知识积累的结晶，在其内部发挥着举足轻重的作用，那么这些工具包相互之间又有哪些区别呢？
针对 Python 开发人员的 10 个“疯狂”的项目构想
你可以通过这些有趣但也具有挑战性的项目来增强 Python 编程技能。
京公网安备 11010502039052号 | 产品资质
